基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法及系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明提供一種基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法，包括：通過(guò)油氣管道內(nèi)檢測(cè)器的霍爾傳感器采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)進(jìn)行濾波和放大處理后，轉(zhuǎn)換成數(shù)字信號(hào)傳輸至FPGA；FPGA對(duì)數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理;對(duì)數(shù)據(jù)預(yù)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。本發(fā)明通過(guò)將區(qū)域分裂聚合方法融入到適應(yīng)度函數(shù)的方法形成基于區(qū)域遺傳四叉樹(shù)算法，增強(qiáng)了遺傳算法區(qū)域內(nèi)的尋優(yōu)能力，避免了傳統(tǒng)算法中的假邊緣和空白，提高了油氣管道缺陷檢測(cè)能力；通過(guò)在FPGA總線并行機(jī)制中實(shí)現(xiàn)區(qū)域遺傳四叉樹(shù)算法，彌補(bǔ)了兩種方法融合對(duì)尋優(yōu)速度的影響，保證了系統(tǒng)的運(yùn)行速度。
【專(zhuān)利說(shuō)明】 基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于管道檢測(cè)【技術(shù)領(lǐng)域】，具體涉及一種基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法及系統(tǒng)。
【背景技術(shù)】
[0002]我國(guó)在役長(zhǎng)輸管道總長(zhǎng)約兩萬(wàn)公里，在建和擬建管道也達(dá)數(shù)千公里。由于管齡的增長(zhǎng)及管線的增多，致使石油天然氣泄漏事故不斷增加，對(duì)經(jīng)濟(jì)和環(huán)境造成巨大負(fù)擔(dān)。因此，實(shí)時(shí)準(zhǔn)確反饋管道狀態(tài)具有重要意義。
[0003]目前，漏磁檢測(cè)相對(duì)于超聲等方式實(shí)現(xiàn)對(duì)管道內(nèi)外壁的腐蝕檢測(cè)已經(jīng)具有較好的效果。但是在漏磁信號(hào)采集過(guò)程中，由于現(xiàn)場(chǎng)伴隨有磁、聲、熱和煙塵等雜物以及受到人為破壞和外力的影響，都會(huì)嚴(yán)重干擾對(duì)管道缺陷的準(zhǔn)確判斷，難以確定缺陷的真實(shí)邊緣。

【發(fā)明內(nèi)容】

[0004]針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法及系統(tǒng)。
[0005]本發(fā)明的技術(shù)方案是:
[0006]一種基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法，包括以下步驟:
[0007]步驟1:通過(guò)油氣管道內(nèi)檢測(cè)器的霍爾傳感器采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)；
[0008]步驟2:對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后，傳輸至AD模塊；
[0009]步驟3:濾波和放大處理后的模擬電壓信號(hào)經(jīng)AD模塊轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ；
[0010]步驟4:FPGA對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣；
[0011]步驟5:FPGA對(duì)數(shù)據(jù)預(yù)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果；
[0012]步驟5.1:對(duì)缺陷灰度圖像矩陣進(jìn)行銳化濾波；
[0013]步驟5.2:采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣進(jìn)行圖像分割；
[0014]步驟5.2.1:將銳化濾波后的缺陷灰度圖像矩陣作為總體圖像區(qū)域，建立區(qū)域遺傳4叉樹(shù)算法的區(qū)域變化準(zhǔn)則，即缺陷灰度圖像矩陣中某一子圖像區(qū)域中像素點(diǎn)灰度值的均方差；
[0015]步驟5.2.2:對(duì)總體圖像區(qū)域進(jìn)行初始4叉樹(shù)分裂，分成若干子圖像區(qū)域；
[0016]步驟5.2.3:計(jì)算分裂后的每個(gè)子圖像區(qū)域的區(qū)域變化準(zhǔn)則，并將該區(qū)域變化準(zhǔn)則與總體圖像區(qū)域的區(qū)域變化準(zhǔn)則比較，若子圖像區(qū)域的區(qū)域變化準(zhǔn)則大于總體圖像區(qū)域的區(qū)域變化準(zhǔn)則，則執(zhí)行步驟5.2.4，否則執(zhí)行步驟5.2.5 ;[0017]步驟5.2.4:對(duì)當(dāng)前子圖像區(qū)域繼續(xù)進(jìn)行4叉樹(shù)分裂；
[0018]步驟5.2.5:判斷所有子圖像區(qū)域是否均分裂完畢，若分裂完畢，則執(zhí)行步驟5.2.6 ;否則執(zhí)行步驟5.2.3 ;
[0019]步驟5.2.6:將分裂后所有子圖像區(qū)域，按照水平從左至右順序重新排序，得到新的子圖像區(qū)域；
[0020]步驟5.2.7:分別計(jì)算新的子圖像區(qū)域的區(qū)域變化準(zhǔn)則及其相鄰的子圖像區(qū)域的區(qū)域變化準(zhǔn)則，若兩者均小于總體圖像區(qū)域的區(qū)域變化準(zhǔn)則，則執(zhí)行步驟5.2.8 ;否則執(zhí)行步驟5.2.9 ;
[0021]步驟5.2.8:聚合當(dāng)前子圖像區(qū)域及其相鄰的子圖像區(qū)域；
[0022]步驟5.2.9:判斷所有新的子圖像區(qū)域是否聚合完畢，若聚合完畢，則執(zhí)行步驟5.2.10 ;否則執(zhí)行步驟5.2.7 ；
[0023]步驟5.2.10:將聚合后的所有子圖像區(qū)域，按照水平方向從左至右順序重新排序，得到最終的子圖像區(qū)域，并以最終的子圖像區(qū)域作為初始種群體，對(duì)初始種群體進(jìn)行編碼；
[0024]步驟5.2.11:建立邊緣模糊性準(zhǔn)則度量指標(biāo)、總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和以及個(gè)體適應(yīng)度函數(shù)；
[0025]所述邊緣模糊性準(zhǔn)則度量指標(biāo)為各個(gè)子圖像區(qū)域及其相鄰子圖像區(qū)域的平均灰度差與灰度方差和分別作商，再對(duì)各商值求和后取平均值；
[0026]所述總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和為對(duì)邊緣模糊性準(zhǔn)則度量指標(biāo)加權(quán)求和后取平均值；
[0027]所述個(gè)體適應(yīng)度函數(shù)為總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和與總體圖像區(qū)域的區(qū)域變化準(zhǔn)則的乘積；
[0028]步驟5.2.12:利用個(gè)體適應(yīng)度函數(shù)對(duì)編碼后的子圖像區(qū)域進(jìn)行基于遺傳閾值算法的迭代處理；
[0029]步驟5.2.13:對(duì)迭代處理后的種群體進(jìn)行解碼，得到迭代處理的最佳閾值，并將最佳閾值返回步驟5.2.1，對(duì)子圖像區(qū)域的區(qū)域變化準(zhǔn)則進(jìn)行約束；
[0030]步驟5.3:利用最佳閾值對(duì)總體圖像區(qū)域進(jìn)行二值化處理，即完成圖像分割，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
[0031]步驟5.2.12中所述的利用個(gè)體適應(yīng)度函數(shù)對(duì)編碼后的子圖像區(qū)域進(jìn)行基于遺傳閾值算法的迭代處理時(shí)，種群體的交叉概率和變異概率按照如下方法設(shè)定:
[0032](I)對(duì)第t代所有種群體的個(gè)體適應(yīng)度函數(shù)求和后取平均值，得到種群個(gè)體適應(yīng)度函數(shù)值平均值；
[0033](2)第t代種群體的早熟程度，即第t代最優(yōu)個(gè)體適應(yīng)度函數(shù)值與種群個(gè)體適應(yīng)度函數(shù)值平均值之差；
[0034](3)根據(jù)不同代種群體的早熟程度設(shè)定種群體的交叉概率和變異概率。
[0035]所述的基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法采用的油氣管道缺陷檢測(cè)系統(tǒng)，包括油氣管道內(nèi)檢測(cè)器的霍爾傳感器、信號(hào)調(diào)理模塊、AD模塊和FPGA ；
[0036]油氣管道內(nèi)檢測(cè)器的霍爾傳感器用于采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)；[0037]信號(hào)調(diào)理模塊用于對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后傳輸至AD模塊；
[0038]AD模塊用于將濾波和放大處理后的模擬電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ；
[0039]FPGA用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)字信號(hào)處理，得到缺陷灰度圖像矩陣，并對(duì)數(shù)字信號(hào)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
[0040]FPGA設(shè)置有數(shù)字信號(hào)處理模塊和圖像信號(hào)處理模塊；
[0041]數(shù)字信號(hào)處理模塊包括AD時(shí)序控制模塊和數(shù)據(jù)預(yù)處理模塊，其中，AD時(shí)序控制模塊用于對(duì)AD模塊的工作時(shí)序進(jìn)行控制；數(shù)據(jù)預(yù)處理模塊用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣；
[0042]圖像信號(hào)處理模塊包括銳化濾波模塊和區(qū)域遺傳四叉樹(shù)模塊，其中，銳化濾波模塊用于對(duì)缺陷灰度圖像矩陣進(jìn)行銳化濾波；區(qū)域遺傳四叉樹(shù)模塊用于采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣進(jìn)行圖像分割，根據(jù)最佳閾值對(duì)總體圖像區(qū)域進(jìn)行二值化處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
[0043]有益效果:
[0044]本發(fā)明采用了模擬濾波(信號(hào)調(diào)理模塊)與數(shù)字濾波(銳化濾波模塊)兩級(jí)濾波的方式，提高了系統(tǒng)的抗干擾能力；通過(guò)將區(qū)域分裂聚合方法融入到適應(yīng)度函數(shù)的方法形成基于區(qū)域遺傳四叉樹(shù)算法，解決了傳統(tǒng)遺傳算法對(duì)初始種群的過(guò)度依賴問(wèn)題，增強(qiáng)了遺傳算法區(qū)域內(nèi)的尋優(yōu)能力，避免了傳統(tǒng)算法中的假邊緣和空白，提高了油氣管道缺陷檢測(cè)能力；通過(guò)在FPGA總線并行機(jī)制中實(shí)現(xiàn)區(qū)域遺傳四叉樹(shù)算法，彌補(bǔ)了兩種方法融合對(duì)尋優(yōu)速度的影響，保證了系統(tǒng)的運(yùn)行速度。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0045]圖1是本發(fā)明【具體實(shí)施方式】的油氣管道缺陷檢測(cè)系統(tǒng)的結(jié)構(gòu)框圖；
[0046]圖2是本發(fā)明【具體實(shí)施方式】的基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法流程圖；
[0047]圖3是本發(fā)明【具體實(shí)施方式】的信號(hào)調(diào)理模塊電路原理圖；
[0048]圖4是本發(fā)明【具體實(shí)施方式】的AD模塊與FPGA接口電路原理圖；
[0049]圖5是本發(fā)明【具體實(shí)施方式】的經(jīng)銳化濾波模塊處理前后缺陷圖像效果圖，(a)為經(jīng)銳化濾波模塊處理前的缺陷圖像效果圖，(b)為經(jīng)銳化濾波模塊處理后的缺陷圖像效果圖；
[0050]圖6是本發(fā)明【具體實(shí)施方式】的采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣R進(jìn)行圖像分割流程圖；
[0051]圖7是本發(fā)明【具體實(shí)施方式】的四叉樹(shù)分裂方式示意圖。
【具體實(shí)施方式】
[0052]下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)說(shuō)明。
[0053]本實(shí)施方式中，基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法采用的油氣管道缺陷檢測(cè)系統(tǒng)，如圖1所示，包括油氣管道內(nèi)檢測(cè)器的霍爾傳感器、信號(hào)調(diào)理模塊、AD模塊和FPGA ；[0054]油氣管道內(nèi)檢測(cè)器的霍爾傳感器用于采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)；
[0055]信號(hào)調(diào)理模塊用于對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后傳輸至AD模塊；
[0056]信號(hào)調(diào)理模塊電路如圖3所示，該模塊實(shí)現(xiàn)信號(hào)的穩(wěn)壓、濾波和放大，霍爾傳感器的輸出首先經(jīng)過(guò)濾波電路濾波，然后經(jīng)一個(gè)1K的電阻連接到運(yùn)算放大器的反相輸入端，同相輸入端經(jīng)過(guò)LM385穩(wěn)壓后的2.5V的參考電壓，運(yùn)算放大器的輸出端連接合適的電阻、電容進(jìn)行濾波；其中，運(yùn)算放大器的型號(hào)為AD822，AD822的電源由LP2951穩(wěn)壓得到供電電壓。
[0057]AD模塊用于將濾波和放大處理后的模擬電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ；
[0058]FPGA用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)字信號(hào)處理，得到缺陷灰度圖像矩陣，并對(duì)數(shù)字信號(hào)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
[0059]AD模塊與FPGA接口電路如圖4所示；AD模塊的CS端連接FPGA的1/031端、AD轉(zhuǎn)換模塊的Dclk端連接FPGA的1/032端、AD模塊的Din端連接FPGA的1/030端、AD模塊的Dout端連接FPGA的1/029端。其中，AD模塊采用型號(hào)為ADS7844AD的轉(zhuǎn)換芯片，F(xiàn)PGA的型號(hào)為 EP3C25Q240C8。
[0060]FPGA設(shè)置有數(shù)字信號(hào)處理模塊和圖像信號(hào)處理模塊；
[0061]數(shù)字信號(hào)處理模塊包括AD時(shí)序控制模塊和數(shù)據(jù)預(yù)處理模塊，其中，AD時(shí)序控制模塊用于對(duì)AD模塊的工作時(shí)序進(jìn)行控制；數(shù)據(jù)預(yù)處理模塊用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣；
[0062]圖像信號(hào)處理模塊包括銳化濾波模塊和區(qū)域遺傳四叉樹(shù)模塊，其中，銳化濾波模塊用于對(duì)缺陷灰度圖像矩陣進(jìn)行銳化濾波；區(qū)域遺傳四叉樹(shù)模塊用于采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣進(jìn)行圖像分割，根據(jù)最佳閾值對(duì)總體圖像區(qū)域進(jìn)行二值化處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
[0063]本實(shí)施方式的基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法，如圖2所示，包括以下步驟:
[0064]步驟1:通過(guò)油氣管道內(nèi)檢測(cè)器的霍爾傳感器采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)；
[0065]步驟2:對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后，傳輸至AD模塊；
[0066]步驟3:濾波和放大處理后的模擬電壓信號(hào)經(jīng)AD模塊轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ；
[0067]步驟4:FPGA對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣R ;
[0068]步驟5:FPGA對(duì)數(shù)據(jù)預(yù)處理得到的缺陷灰度圖像矩陣R進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果；
[0069]如圖6所示，具體步驟如下:
[0070]步驟5.1:對(duì)缺陷灰度圖像矩陣R進(jìn)行銳化濾波；如圖5所示，(a)為經(jīng)銳化濾波模塊處理前的缺陷圖像效果圖，(b)為經(jīng)銳化濾波模塊處理后的缺陷圖像效果圖；
[0071]步驟5.2:采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣R進(jìn)行圖像分割，如圖6所示；
[0072]步驟5.2.1:將銳化濾波后的缺陷灰度圖像矩陣R作為總體圖像區(qū)域，建立區(qū)域遺傳四叉樹(shù)算法的區(qū)域變化準(zhǔn)則，即缺陷灰度圖像矩陣中某一子圖像區(qū)域中像素點(diǎn)灰度值的均方差；
[0073]區(qū)域遺傳四叉樹(shù)算法的區(qū)域變化準(zhǔn)則
【權(quán)利要求】
1.一種基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法，其特征在于:包括以下步驟: 步驟1:通過(guò)油氣管道內(nèi)檢測(cè)器的霍爾傳感器采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào)； 步驟2:對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后，傳輸至AD模塊； 步驟3:濾波和放大處理后的模擬電壓信號(hào)經(jīng)AD模塊轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ；步驟4 =FPGA對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣； 步驟5:FPGA對(duì)數(shù)據(jù)預(yù)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果； 步驟5.1:對(duì)缺陷灰度圖像矩陣進(jìn)行銳化濾波； 步驟5.2:采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣進(jìn)行圖像分割; 步驟5.2.1:將銳化濾波后的缺陷灰度圖像矩陣作為總體圖像區(qū)域，建立區(qū)域遺傳4叉樹(shù)算法的區(qū)域變化準(zhǔn)則，即缺陷灰度圖像矩陣中某一子圖像區(qū)域中像素點(diǎn)灰度值的均方差; 步驟5.2.2:對(duì)總體圖像區(qū)域進(jìn)行初始4叉樹(shù)分裂，分成若干子圖像區(qū)域； 步驟5.2.3:計(jì)算分裂后的每個(gè)子圖像區(qū)域的區(qū)域變化準(zhǔn)則，并將該區(qū)域變化準(zhǔn)則與總體圖像區(qū)域的區(qū)域變化準(zhǔn)則比較，若子圖像區(qū)域的區(qū)域變化準(zhǔn)則大于總體圖像區(qū)域的區(qū)域變化準(zhǔn)則，則執(zhí)行步驟5.2.4，否則執(zhí)行步驟5.2.5 ; 步驟5.2.4:對(duì)當(dāng)前子圖像區(qū)域繼續(xù)進(jìn)行4叉樹(shù)分裂； 步驟5.2.5:判斷所有子圖像區(qū)域是否均分裂完畢，若分裂完畢，則執(zhí)行步驟5.2.6 ;否則執(zhí)行步驟5.2.3 ; 步驟5.2.6:將分裂后所有子圖像區(qū)域，按照水平從左至右順序重新排序，得到新的子圖像區(qū)域； 步驟5.2.7:分別計(jì)算新的子圖像區(qū)域的區(qū)域變化準(zhǔn)則及其相鄰的子圖像區(qū)域的區(qū)域變化準(zhǔn)則，若兩者均小于總體圖像區(qū)域的區(qū)域變化準(zhǔn)則，則執(zhí)行步驟5.2.8 ;否則執(zhí)行步驟.5.2.9 ； 步驟5.2.8:聚合當(dāng)前子圖像區(qū)域及其相鄰的子圖像區(qū)域； 步驟5.2.9:判斷所有新的子圖像區(qū)域是否聚合完畢，若聚合完畢，則執(zhí)行步驟.5.2.10 ;否則執(zhí)行步驟5.2.7 ; 步驟5.2.10:將聚合后的所有子圖像區(qū)域，按照水平方向從左至右順序重新排序，得到最終的子圖像區(qū)域，并以最終的子圖像區(qū)域作為初始種群體，對(duì)初始種群體進(jìn)行編碼；步驟5.2.11:建立邊緣模糊性準(zhǔn)則度量指標(biāo)、總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和以及個(gè)體適應(yīng)度函數(shù)； 所述邊緣模糊性準(zhǔn)則度量指標(biāo)為各個(gè)子圖像區(qū)域及其相鄰子圖像區(qū)域的平均灰度差與灰度方差和分別作商，再對(duì)各商值求和后取平均值； 所述總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和為對(duì)邊緣模糊性準(zhǔn)則度量指標(biāo)加權(quán)求和后取平均值；所述個(gè)體適應(yīng)度函數(shù)為總體圖像區(qū)域的邊緣模糊性準(zhǔn)則度量的加權(quán)和與總體圖像區(qū)域的區(qū)域變化準(zhǔn)則的乘積； 步驟5.2.12:利用個(gè)體適應(yīng)度函數(shù)對(duì)編碼后的子圖像區(qū)域進(jìn)行基于遺傳閾值算法的迭代處理； 步驟5.2.13:對(duì)迭代處理后的種群體進(jìn)行解碼，得到迭代處理的最佳閾值，并將最佳閾值返回步驟5.2.1，對(duì)子圖像區(qū)域的區(qū)域變化準(zhǔn)則進(jìn)行約束； 步驟5.3:利用最佳閾值對(duì)總體圖像區(qū)域進(jìn)行二值化處理，即完成圖像分割，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法，其特征在于:步驟5.2.12中所述的利用個(gè)體適應(yīng)度函數(shù)對(duì)編碼后的子圖像區(qū)域進(jìn)行基于遺傳閾值算法的迭代處理時(shí)，種群體的交叉概率和變異概率按照如下方法設(shè)定: (1)對(duì)第t代所有種群體的個(gè)體適應(yīng)度函數(shù)求和后取平均值，得到種群個(gè)體適應(yīng)度函數(shù)值平均值； (2)第〖代種群體的早熟程度，即第t代最優(yōu)個(gè)體適應(yīng)度函數(shù)值與種群個(gè)體適應(yīng)度函數(shù)值平均值之差； (3)根據(jù)不同代種群體的早熟程度設(shè)定種群體的交叉概率和變異概率。
3.權(quán)利要求1所述的基于區(qū)域遺傳四叉樹(shù)算法的油氣管道缺陷檢測(cè)方法采用的油氣管道缺陷檢測(cè)系統(tǒng)，其特征在于:包括油氣管道內(nèi)檢測(cè)器的霍爾傳感器、信號(hào)調(diào)理模塊、AD模塊和FPGA ； 油氣管道內(nèi)檢測(cè)器的霍爾傳感器用于采集油氣管道漏磁信號(hào)，并將其轉(zhuǎn)換為模擬電壓信號(hào); 信號(hào)調(diào)理模塊用于對(duì)模擬電壓信號(hào)進(jìn)行濾波和放大處理后傳輸至AD模塊； AD模塊用于將濾波和放大處理后的模擬電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，傳輸至FPGA ； FPGA用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)字信號(hào)處理，得到缺陷灰度圖像矩陣，并對(duì)數(shù)字信號(hào)處理得到的缺陷灰度圖像矩陣進(jìn)行圖像處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
4.根據(jù)權(quán)利要求3所述的油氣管道缺陷檢測(cè)系統(tǒng)，其特征在于:FPGA設(shè)置有數(shù)字信號(hào)處理模塊和圖像信號(hào)處理模塊； 數(shù)字信號(hào)處理模塊包括AD時(shí)序控制模塊和數(shù)據(jù)預(yù)處理模塊，其中，AD時(shí)序控制模塊用于對(duì)AD模塊的工作時(shí)序進(jìn)行控制；數(shù)據(jù)預(yù)處理模塊用于對(duì)AD轉(zhuǎn)換后的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，包括自適應(yīng)補(bǔ)償、插值和重構(gòu)，形成缺陷灰度圖像矩陣； 圖像信號(hào)處理模塊包括銳化濾波模塊和區(qū)域遺傳四叉樹(shù)模塊，其中，銳化濾波模塊用于對(duì)缺陷灰度圖像矩陣進(jìn)行銳化濾波；區(qū)域遺傳四叉樹(shù)模塊用于采用區(qū)域遺傳四叉樹(shù)算法對(duì)銳化濾波后的缺陷灰度圖像矩陣進(jìn)行圖像分割，根據(jù)最佳閾值對(duì)總體圖像區(qū)域進(jìn)行二值化處理，得到油氣管道缺陷邊緣圖像，即油氣管道缺陷檢測(cè)結(jié)果。
【文檔編號(hào)】G01N27/83GK104034795SQ201410261559
【公開(kāi)日】2014年9月10日 申請(qǐng)日期:2014年6月12日 優(yōu)先權(quán)日:2014年6月12日
【發(fā)明者】張化光, 汪剛, 劉金海, 馮健, 馬大中, 吳振寧, 劉喆, 寧迪, 盧森驤, 許相凱, 屈純, 周坤, 王一, 李瑞雪 申請(qǐng)人:東北大學(xué)